[发明专利]表格关键点检测模型训练方法、装置、设备以及存储介质

说明书

本申请实施例公开了表格关键点检测模型训练方法、装置、设备以及存储介质，涉及云计算领域、人工智能技术领域。该方法的一具体实施方式包括：构建多层卷积神经网络；构建样本文档影像集，其中，样本文档影像集中的样本文档影像上标注有真实表格关键点；将样本文档影像作为输入，将样本文档影像的表格关键点作为输出，对多层卷积神经网络和多个卷积层进行训练，得到表格关键点检测模型。该实施方式提供了一种基于深度学习的表格关键点检测技术，训练出一个深度学习模型来检测表格关键点，提升了表格关键点检测的鲁棒性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及人工智能技术领域。

背景技术

随着AI(Artificial Intelligence，人工智能)技术的不断进步，使用AI来进行文档影像的智能分析越来越多。AI可以对文档影像进行方向和歪斜矫正、布局分析、内容识别等等，这些能力可以极大地方便各类涉及对文档影像进行录入、审核等的工作人员，极大地提升各类业务流程的智能化。

针对含有表格的文档影像，其中进行方向和歪斜矫正可以基于表格关键点检测来实现。目前，表格关键点检测方式主要是基于直线检测的关键点检测技术，通过霍夫变换或腐蚀膨胀等方式检测出表格的边框直线，通过边框直线的交点确定表格关键点。

发明内容

本申请实施例提出了表格关键点检测模型训练方法、装置、设备以及存储介质。

第一方面，本申请实施例提出了一种表格关键点检测模型训练方法，包括：构建多层卷积神经网络；构建样本文档影像集，其中，样本文档影像集中的样本文档影像上标注有真实表格关键点；将样本文档影像作为输入，将样本文档影像的表格关键点作为输出，对多层卷积神经网络和多个卷积层进行训练，得到表格关键点检测模型。

第二方面，本申请实施例提出了一种表格关键点检测模型训练装置，包括：网络构建模块，被配置成构建多层卷积神经网络；样本构建模块，被配置成构建样本文档影像集，其中，样本文档影像集中的样本文档影像上标注有真实表格关键点；模型训练模块，被配置成将样本文档影像作为输入，将样本文档影像的表格关键点作为输出，对多层卷积神经网络和多个卷积层进行训练，得到表格关键点检测模型。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

本申请实施例提供的表格关键点检测模型训练方法、装置、设备以及存储介质，首先构建多层卷积神经网络和样本文档影像集；然后将样本文档影像作为输入，将样本文档影像的表格关键点作为输出，对多层卷积神经网络和多个卷积层进行训练，得到表格关键点检测模型。提供了一种基于深度学习的表格关键点检测技术，训练出一个深度学习模型来检测表格关键点，提升了表格关键点检测的鲁棒性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请可以应用于其中的示例性系统架构；

图2是根据本申请的表格关键点检测模型训练方法的一个实施例的流程图；

图3是根据本申请的表格关键点检测模型训练方法的又一个实施例的流程图；